Makineler ve insanlar birlikte nasıl çalışacak?

Otomasyon, robotik teknolojiler, robotlar, akıllı sistemler, otonom araçlar, makineler ve insanlar… Günümüzün en trend konuları arasında yer alan bu teknolojilerle ilgili yaklaşımı Logo Grup Çevik Dönüşüm Direktörü Mehmet Bora Buluş kaleme aldı. 

Bu alanlarda yaptığınız araştırmalarda, okuduğunuz makalelerde veya izlediğiniz videolarda “yapay zeka” “makine öğrenmesi” ve “derin öğrenme” kavramları ile mutlaka karşılaşmışsınızdır. Peki, bu “akıllı sistemler” için neden farklı kavramlar kullanılıyor? Farkları var mı, yoksa aslında hepsi aynı kavramı mı işaret eder? İşte bu yazıyı okuduğunuzda kafanızdaki soru işaretlerini kaldırmış olacaksınız.

Yapay zeka nedir?

“Yapay zeka” bilgisayarların ya da makinelerin insan zekasını taklit ederek problemleri kurallar, elindeki veriler ve daha önceki deneyimleri kullanarak çözmesidir. Yapay zeka sayesinde makineler resimleri, sesleri tanıyabilir, tahminlerde bulunabilir, insanlarla iletişime geçebilir, nesneleri tanıyıp sınıflandırabilir ve hatta problemleri çözebilir.

Yapay zeka türleri nelerdir?

Yapay zeka da yeteneklerine (kapsamına) göre ikiye ayrılır:

• Genel (Güçlü)
• Dar (Zayıf)

“Genel yapay zeka”, teorik olarak insan aklının tüm özelliklerini barındıran ve sebep-sonuç ilişkisi kurabilen, planlama yapabilen, problem çözebilen ve deneyimleyerek öğrenebilen yapılardır. Henüz bir teori olan yapılar üzerine çalışmalar sürse de bunun başarılmasının mümkün olmadığını söyleyen uzmanlar da vardır.

“Dar (zayıf) yapay zeka” kavramı ise adından da anlaşılacağı gibi belli alan ve görevler üzerinde çalışan sistemler için kullanılır. Telefonunuzda fotoğrafları sınıflandıran yazılım ya da görüntülerden kişilerin maske takıp takmadığını tespit eden bir sistem buna örnek olarak verilebilir. Uygulama alanı belli; amaç ve hedefler ise tariflidir. Ne kadar kompleks olsa da otonom araçlarda bulunan sistemler de hareket alanı belirlenmiş olduğundan dar yapay zeka kapsamına girer. Bu sistemler sadece belli bir amaca hizmet ederler: Aracı yolcular ve trafik açısından güvenli bir şekilde ilerleterek varış noktasına ulaşmak.

Yapay zeka çalışma prensibi

Daha önce de belirttiğimiz gibi yapay zeka sistemlerin görevlerini yapabilmesi için öğrenmesi ve amaca yönelik beklentilerimize ilişkin tecrübe kazanması gerekir. 

İnsanların çok miktarda ilgili bilgiyi yapay zeka sistemlerine sağlayarak sistemlere “öğretmesi” ve bu bilgilerden makinelerin işlerini öğrenmesine ise “makine öğrenmesi” adını veriyoruz. 

Örnek bir senaryo üzerinden konuyu detaylandıralım:

Problem: Bir sistem kurarak narenciye bahçesinden gelen ürünlerin meyve cinsine göre etiketlenmesi

Bunu başarabilmek için yapay zeka ve makine öğrenmesi kullanılabilir ve bir veri setiyle eğitim gerçekleştirebilir. Ancak eksik eğitilmiş sistemler mutlaka hata yapacaktır.

Veri seti-1:

Renk	Ürün
Turuncu	Portakal
Kırmızı	Elma
Sarı	Muz
Turuncu	?

Tahmin edeceğiniz gibi yapay zeka bu bilgileri kullanarak karar verdiği durumda ürünü “portakal” olarak etiketleyecek ve sınıflandıracaktır. Peki, gelen ürünün bir mandalina olması durumunda ne olacak? Bu ürün de maalesef portakal olarak işaretlenecek ve etiketlenecektir. Peki, bu problemi nasıl aşabiliriz? 

Veri seti-2:

Renk	Ağırlık (gr)	Kabuk	Ürün
Turuncu	250	Orta	Portakal
Turuncu	140	Yumuşak	Mandalina
Sarı	150	Yumuşak	Muz
Kırmızı	300	Sert	Nar
Turuncu	160	Yumuşak	?

Yapay zeka, yukarıdaki ağırlık ve kabuk bilgisini de içeren genişletilmiş bir veri seti sağlarsanız ürünleri daha doğru bir şekilde değerlendirerek tahminini “mandalina” olarak yapabilecektir.
Özetle makine öğrenmesinde en önemli konu sistemin eğitimde kullanılan veri setinin kapsamı, tutarlılığı ve büyüklüğü olarak öne çıkar. Ne kadar büyük veri seti sağlarsanız o kadar başarılı bir sisteme sahip olursunuz. 

“Derin öğrenme” ise makine öğrenmesinin bir alt kümesi olup bu teknikteki en yeni ve çok daha gelişmiş bir aşamayı ifade eder. İnsan beyninin bilgi işleme ve sınıflandırma tekniklerini taklit eden bu sistemler verileri anlamak, sınıflandırmak ve kategorize etmek gibi işlemler yapabilir; kendi kararlarının doğruluğunu da teyit edebilirler.

Bu sistemlerin çalışabilmesi için “büyük veri” sağlanması ve katmanlar halinde çok kompleks matematiksel hesaplamalar ve analizlerin gerçekleştirilmesi gerekir. Bu operasyonlar çok yüksek “işlem/hesaplama gücü” gerektirir.

Örneğin otonom sürüş yapabilen araçlar derin öğrenmeyi çevre ve engelleri algılamak, bir şehir içindeki konumlarını santimetreler seviyesinde belirlemek, A-B noktası arasındaki rotayı planlamak ve yolculuk esnasında sürüş kararlarını verip olası tehlikeli durumlarda anında müdahale edebilmek için kullanır. 

Sürüş esnasında kamera, radar, lidar (lazer ile mesafe ölçüm sistemi), GPS konum bilgisi, araç üzerinden gelen sensör verileri, konum sağlayıcı fiziksel ekipman sinyalleri diğer araç ve servislerden gelen mesajlar, trafik servisleri gibi bilgiler sürekli derlenir ve araçlar bu bilgiler ışığında ilerleyebilir. Bu ciddi miktardaki veriler sürekli analiz edilir, anlık kararlar alınır. Zamanında alınmayan bir karar çok ciddi sonuçlara sebep olabilir. Bu nedenle araçlardaki bu öğrenme sistemleri sürekli geliştirilmekte ve iyileştirilmektedir.

Yapay zeka önümüzdeki dönemde tüm alan ve sektörleri kapsayacak şekilde daha da fazla hayatımızın içinde olacaktır. Bu alanda yetkinliklerin şimdiden kazanılması ve bilgi birikiminin geliştirilmesi değişime hazır olmak için isabetli bir karar olacaktır.

Logo’nun yapay zeka alanındaki çalışmaları

Logo Yazılım, çeşitli kurumsal iş süreçlerine yönelik farklı makine öğrenmesi modelleri geliştirilerek katma değerli ürün ve hizmetler sunmaktadır. 2018’de, TÜBİTAK (Türkiye Bilimsel ve Teknolojik Araştırma Kurumu) desteğiyle iş yazılımları alanına özel bir makine öğrenmesi platformu Logo platformunun temelleri atılmıştır. Platformun gelişim süreci devam etmektedir.

Makine öğrenmesi, çevrim içi yardım ve dokümantasyon süreçlerini yeni nesil sohbet ajanlarının geliştirilmesiyle birlikte öne çıkarmaktadır. Uluslararası rekabetin olmazsa olmazı çoklu dil desteğidir. Logo Yazılım, bu ihtiyacı yenilikçi bir yaklaşımla geliştirdiği makine öğrenmesi destekli çeviri servisi ile adresleyerek karşılamaktadır. Logo Yazılım, Logo.us platformu ile içselleştirdiği Makine Öğrenmesi birikimini Logo Veri Kataloğu projesi ile bir adım öteye taşımaktadır.